[发明专利]基于深度学习算法的配电网实时动态重构方法及装置

权利要求书

1.一种基于深度学习算法的配电网实时动态重构方法，其特征在于，包括：

获取配电网节点实时负荷和DG输出实时数据；

使用静态重构模型对配电网节点实时负荷和DG输出实时数据进行分析，输出对应的配电网静态重构解决策略，其中静态重构模型为使用历史动态网络重构数据集通过机器学习训练得出的，所述DNR控制策略数据集包括多组数据，多组数据中的每组数据均包括处理后的历史数据，历史数据包括配电网节点负荷数据、DG输出数据和对应的配电网参数；

利用基于运行成本实时差值的开关动作函数和大M法对配电网静态重构解决策略进行动态重构，输出配电网动态重构策略。

2.根据权利要求1所述的基于深度学习算法的配电网实时动态重构方法，其特征在于，所述静态重构模型的建立过程包括：

获得历史数据集，其中历史数据包括配电网节点负荷数据、DG输出数据和对应的配电网参数；

利用SCOP算法和基于启发式规则的循环矩阵变量缩减法对历史数据进行可行域缩减，输出DNR控制策略数据集；

将DNR控制策略数据集输入至LSTM模型中，对LSTM模型进行训练；

获得静态重构模型。

3.根据权利要求1或2所述的基于深度学习算法的配电网实时动态重构方法，其特征在于，所述利用基于运行成本实时差值的开关动作判定函数和大M法对配电网静态重构解决策略进行动态重构，输出配电网动态重构策略，包括：

利用基于运行成本实时差值的开关动作函数和大M法建立实时动态重构模型；

其中，为当前负荷、DG输出和t时段拓扑结构对应的的运行成本；为当前负荷、DG输出和由静态重构模型得出的静态重构解决策略对应的的运行成本；λ_M是一个二元变量；

根据当前负荷、DG输出和t时段拓扑结构，计算

根据当前负荷、DG输出和由静态重构模型得出的静态重构解决策略，计算

判断是否大于响应于是，则拓扑结构更新，响应于否，则维持当前拓扑结构不变。

4.一种基于深度学习算法的配电网实时动态重构装置，其特征在于，包括：

获取单元，获取配电网节点实时负荷和DG输出实时数据；

第一重构单元，使用静态重构模型对配电网节点实时负荷和DG输出实时数据进行分析，输出对应的配电网静态重构解决策略，其中静态重构模型为使用历史动态网络重构数据集通过机器学习训练得出的，所述DNR控制策略数据集包括多组数据，多组数据中的每组数据均包括处理后的历史数据，历史数据包括配电网节点负荷数据、DG输出数据和对应的配电网参数；

第二重构单元，利用基于运行成本实时差值的开关动作函数和大M法对配电网静态重构解决策略进行动态重构，输出配电网动态重构策略。

5.一种存储介质，其特征在于，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行如权利要求1至3任一项所述的基于深度学习算法的配电网实时动态重构方法。

6.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现如权利要求1至3任一项所述的基于深度学习算法的配电网实时动态重构方法。